Question

我从其他地方搜索并处理XML文件，并且需要用一些XSLT转换它们。没问题。使用PHP5和DOM 图书馆，一切都很快。工作得很好，到现在为止。今天，时髦字符在XML文件中 - 来自Word的“智能”引用，它看起来喜欢。无论如何，DOMDocument-＆gt;加载抱怨他们，说它们不是UTF-8，而是指定编码。

请注意，这些XML文件中未指定编码。如果我将'encoding =“iso-8859-1”'添加到标题中，它可以正常工作。摩擦是我无法控制这些XML文件。

将文件读入字符串，修改其标题并将其写回出去到另一个地方似乎是我唯一的选择，但我更愿意这样做它根本不必使用XML文件的临时副本。是有没有办法简单地告诉解析器解析它们就像它们一样 ISO-8859-1

Answer 1

这对你有用吗？

$doc = new DOMDocument('1.0', 'iso-8859-1');
$doc->load($xmlPath);

编辑：由于看起来这不起作用，您可以执行的操作类似于现有方法，但没有临时文件。只需使用标准IO操作（file_get_contents()或其他内容）从源中读取XML文件，然后对所需的编码执行任何更改（iconv()或utf8_decode()），然后使用{{1 }}

loadXML()

Answer 2

我还没有找到设置默认编码的方法（但是）可能在这种情况下恢复模式是可行的。
当libxml遇到编码错误并且没有显式设置编码时，它会从unicode / utf8切换到latin1并继续解析文档。但是在解析器上下文中，属性wellFormed设置为0 / false。如果wellFormed为真，则PHP的DOM扩展认为文档有效或 DOMDocument对象的属性recover为真。

<?php
// german Umlaut ä in latin1 = 0xE4
$xml = '<foo>'.chr(0xE4).'</foo>';

$doc = new DOMDocument;
$b = $doc->loadxml($xml);
echo 'with doc->recover=false(default) : ', ($b) ? 'success':'failed', "\n";

$doc = new DOMDocument;
$doc->recover = true;
$b = $doc->loadxml($xml);
echo 'with doc->recover=true : ', ($b) ? 'success':'failed', "\n";

打印

Warning: DOMDocument::loadXML(): Input is not proper UTF-8, indicate encoding !
Bytes: 0xE4 0x3C 0x2F 0x66 in Entity, line: 1 in test.php on line 6
with doc->recover=false(default) : failed

Warning: DOMDocument::loadXML(): Input is not proper UTF-8, indicate encoding !
Bytes: 0xE4 0x3C 0x2F 0x66 in Entity, line: 1 in  test.php on line 11
with doc->recover=true : success

您仍然会收到警告消息（可以使用@ $ doc-＆gt; load（）来抑制），它也会显示在internal libxml errors中（解析器从utf8切换到latin1时只会出现一次）。此特定错误的错误代码为9（XML_ERR_INVALID_CHAR）。

<?php
$xml = sprintf('<foo>
    <ae>%s</ae>
    <oe>%s</oe>
    &
</foo>', chr(0xE4),chr(0xF6));

libxml_use_internal_errors(true);
$doc = new DOMDocument;
$doc->recover = true;
libxml_clear_errors();
$b = $doc->loadxml($xml);
$invalidCharFound = false;
foreach(libxml_get_errors() as $error) {
    if ( 9==$error->code && !$invalidCharFound ) {
        $invalidCharFound = true;
        echo "found invalid char, possibly harmless\n";
    }
    else {
        echo "hm, that's probably more severe: ", $error->message, "\n";
    }
}

Answer 3

指定编码的唯一方法是在文件开头的XML声明中：

<?xml version="1.0" encoding="ISO-8859-1"?>

我如何告诉DOMDocument-＆gt; load（）我想要它使用什么编码？

3 个答案: